Tabla de Contenido
Directivos de TSMC, SK Hynix, Nvidia y Qualcomm advirtieron durante Computex 2026 que la demanda de chips para inteligencia artificial superará la capacidad de producción global durante varios años, generando desafíos para fabricantes, centros de datos e integradores tecnológicos.
La demanda de infraestructura para inteligencia artificial supera la capacidad global de producción.
Las principales compañías de la industria de semiconductores coincidieron durante Computex 2026 en que la cadena global de suministro enfrenta una presión sin precedentes derivada del crecimiento de la inteligencia artificial (IA), situación que podría extender la escasez de componentes avanzados hasta el final de la década.
La advertencia más relevante provino de C.C. Wei, presidente y director ejecutivo de TSMC, quien reconoció que la capacidad de producción de la industria no será suficiente para satisfacer la demanda de chips destinados a cargas de trabajo de inteligencia artificial en los próximos años.
“La oferta de chips no podrá satisfacer la demanda de IA durante años”, señaló Wei durante sus intervenciones en Computex 2026 y en la reunión anual de accionistas de la compañía.
Sus declaraciones reflejan la creciente preocupación de fabricantes, operadores de centros de datos e inversionistas ante un mercado donde la demanda de aceleradores de IA continúa creciendo a un ritmo superior al de la expansión de la capacidad productiva.
Escasez de memoria para IA podría prolongarse hasta 2030
La situación es particularmente compleja en el segmento de memoria de alto ancho de banda (HBM), componente indispensable para los sistemas de inteligencia artificial generativa.
Chey Tae-won, presidente de SK Group y máximo responsable de SK Hynix, advirtió que el déficit de estos componentes será un problema estructural durante varios años.
“Los chips que alimentan la inteligencia artificial sufrirán una escasez crítica hasta al menos 2030”.
El ejecutivo explicó que incluso si la compañía duplicara su capacidad actual de producción de obleas, la demanda seguiría superando la oferta. Además, recordó que la construcción de una nueva fábrica de semiconductores requiere más de cinco años entre planeación, construcción y entrada en operación.
La infraestructura energética emerge como nuevo cuello de botella
El desafío no se limita a la fabricación de semiconductores. Cristiano Amon, presidente y director ejecutivo de Qualcomm, alertó sobre el impacto que tendrá la denominada IA agéntica en las redes de cómputo y energía.
Según el directivo, el crecimiento exponencial del procesamiento requerido por sistemas capaces de ejecutar tareas complejas de manera autónoma está poniendo presión sobre la infraestructura tecnológica mundial.
“Depender exclusivamente de una infraestructura de nube centralizada no es económicamente viable ni físicamente sostenible”, advirtió Amon.
La preocupación se sustenta en proyecciones presentadas durante Computex que indican que los procesos de inferencia basados en IA podrían representar cerca del 40% de toda la demanda energética de los centros de datos hacia 2030.
Nvidia reconoce una demanda superior a la capacidad industrial
Por su parte, Jensen Huang, director ejecutivo de Nvidia, aseguró que la compañía ha tomado medidas para garantizar el suministro de componentes que permitan mantener el crecimiento de sus plataformas de procesamiento para IA.
Sin embargo, reconoció que la demanda del mercado continúa creciendo a un ritmo superior al de la capacidad manufacturera disponible.
Los datos que explican la crisis de suministro
Diversos indicadores difundidos durante Computex 2026 muestran la magnitud del desafío que enfrenta la industria:
- La demanda de chips fabricados en nodos avanzados menores a 7 nanómetros supera entre 25% y 30% la capacidad global disponible durante 2026.
- La capacidad de producción de las instalaciones de TSMC en Arizona ya se encuentra comprometida hasta 2027.
- Microsoft, Google, Meta y AWS proyectan inversiones conjuntas cercanas a 725 mil millones de dólares en infraestructura de IA durante este año.
- Los tiempos de entrega de placas de circuito impreso especializadas para servidores de inteligencia artificial alcanzan hasta seis meses.
- El consumo global de tokens de IA asciende actualmente a 31,700 millones cada 10 segundos y podría crecer hasta 1.27 billones en el mismo intervalo hacia 2030.
- La tecnología de empaquetado avanzado CoWoS, esencial para integrar GPU y memoria HBM, continúa operando cerca de sus límites de capacidad pese a los planes de expansión de TSMC.
Implicaciones para integradores y canales de distribución
Para los integradores de infraestructura tecnológica, proveedores de centros de datos y canales especializados en soluciones de inteligencia artificial, estas advertencias representan una señal clara sobre la necesidad de replantear estrategias de abastecimiento y diseño de proyectos.
La disponibilidad limitada de GPU, memoria HBM y tecnologías avanzadas de empaquetado podría impactar los tiempos de entrega de plataformas de IA, mientras que las restricciones energéticas impulsarán arquitecturas más eficientes, procesamiento local y modelos híbridos que reduzcan la dependencia de grandes centros de datos.
El escenario descrito por TSMC, Nvidia, Qualcomm y SK Hynix sugiere que la capacidad de asegurar componentes críticos y optimizar el consumo energético se convertirá en un factor de diferenciación para fabricantes, hyperscalers, integradores y proveedores de servicios tecnológicos durante los próximos años.
No lo pierdas de vista
- TSMC prevé que la demanda de chips para IA superará la oferta al menos hasta 2027.
- SK Hynix estima que la escasez de memoria HBM podría extenderse hasta 2030.
- Qualcomm advierte sobre limitaciones energéticas y de infraestructura para soportar la IA agéntica.
- Nvidia reconoce que la demanda de aceleradores continúa creciendo más rápido que la producción.
- El empaquetado avanzado CoWoS y la memoria HBM se mantienen como los principales cuellos de botella de la industria.
- Integradores y proveedores de infraestructura enfrentarán mayores desafíos de disponibilidad y planeación de proyectos de IA.
